Main Content

Procesamiento de imágenes mediante deep learning

Realice tareas de procesamiento de imágenes, como eliminar el ruido de la imagen y realice una traslación entre imágenes, mediante técnicas de deep learning que usan redes neuronales profundas (requiere Deep Learning Toolbox™)

Las técnicas de deep learning usan redes neuronales para aprender representaciones útiles de ciertas características directamente a partir de los datos. Por ejemplo, se puede usar una red neuronal previamente entrenada para identificar y eliminar ciertos artefactos de una imagen, como el ruido.

A noisy image is passed to a trained denoising network, which returns a denoised image.

Funciones

expandir todo

augmentedImageDatastoreTransformar lotes para aumentar datos de imágenes
blockedImageDatastoreDatastore for use with blocks from blockedImage objects (desde R2021a)
denoisingImageDatastoreDenoising image datastore
imageDatastoreDatastore for image data
randomPatchExtractionDatastoreDatastore for extracting random 2-D or 3-D random patches from images or pixel label images
transformTransform datastore (desde R2019a)
combineCombine data from multiple datastores (desde R2019a)
jitterColorHSVRandomly alter color of pixels (desde R2019b)
randomWindow2dRandomly select rectangular region in image (desde R2021a)
randomCropWindow3dCreate randomized cuboidal cropping window (desde R2019b)
centerCropWindow2dCrear una ventana de recorte rectangular central (desde R2019b)
centerCropWindow3dCreate cuboidal center cropping window (desde R2019b)
RectangleExtensiones espaciales de una región rectangular 2D (desde R2019b)
CuboidSpatial extents of 3-D cuboidal region (desde R2019b)
randomAffine2dCreate randomized 2-D affine transformation (desde R2019b)
randomAffine3dCreate randomized 3-D affine transformation (desde R2019b)
affineOutputViewCrear una vista de salida para deformar imágenes (desde R2019b)
imeraseRemove image pixels within rectangular region of interest (desde R2021a)
resize2dLayer2-D resize layer (desde R2020b)
resize3dLayer3-D resize layer (desde R2020b)
dlresizeResize spatial dimensions of dlarray object (desde R2020b)
DepthToSpace2DLayerDepth to space layer (desde R2021a)
SpaceToDepthLayerSpace to depth layer (desde R2020b)
depthToSpaceRearrange dlarray data from depth dimension into spatial blocks (desde R2021a)
spaceToDepthRearrange spatial blocks of dlarray data along depth dimension (desde R2021a)
encoderDecoderNetworkCreate encoder-decoder network (desde R2021a)
blockedNetworkCreate network with repeating block structure (desde R2021a)
pretrainedEncoderNetworkCreate encoder network from pretrained network (desde R2021a)
cycleGANGeneratorCreate CycleGAN generator network for image-to-image translation (desde R2021a)
patchGANDiscriminatorCreate PatchGAN discriminator network (desde R2021a)
pix2pixHDGlobalGeneratorCreate pix2pixHD global generator network (desde R2021a)
addPix2PixHDLocalEnhancerAdd local enhancer network to pix2pixHD generator network (desde R2021a)
unitGeneratorCreate unsupervised image-to-image translation (UNIT) generator network (desde R2021a)
unitPredictPerform inference using unsupervised image-to-image translation (UNIT) network (desde R2021a)
denoiseImageEliminar el ruido de una imagen mediante una red neuronal profunda
denoisingNetworkObtener una red para eliminar el ruido de una imagen
dnCNNLayersGet denoising convolutional neural network layers

Temas

Preprocesar datos de imágenes para deep learning

Crear redes neuronales para aplicaciones de procesamiento de imágenes

Deep learning en MATLAB

  • Deep learning en MATLAB (Deep Learning Toolbox)
    Descubra las prestaciones de deep learning en MATLAB utilizando redes neuronales convolucionales para clasificación y regresión, incluidas redes preentrenadas y transferencia del aprendizaje, así como entrenamiento en unidades de procesamiento gráfico (GPU), unidades CPU, clusters y nubes.
  • Semantic Segmentation Using Deep Learning (Computer Vision Toolbox)
    This example shows how to segment an image using a semantic segmentation network.